forked from dgtgrade/HumanLearning
-
Notifications
You must be signed in to change notification settings - Fork 0
/
img2dat.py
41 lines (29 loc) · 1002 Bytes
/
img2dat.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
from skimage import io, color
import numpy as np
import sys
imgfp = sys.argv[1]
img = color.rgb2gray(io.imread(imgfp))
numY, numX = np.shape(img)
# 어느 정도 어두운 값만 필터링한 점의 집합
dots = np.where(img < 0.2)
# f0[i][0]: X 좌표가 i인 모든점의 y 좌표값 합
# f0[i][1]: X 좌표가 i인 모든점의 개수
# f[i]: X 좌표가 i인 모든점의 평균 y 좌표값
# f: 최종 함수
f0 = np.zeros((numX,2))
f = np.zeros(numX)
for i in range(len(dots[0])):
ypos = dots[0][i]
xpos = dots[1][i]
f0[xpos][0] += ypos
f0[xpos][1] += 1
f[xpos] = f0[xpos][0]/f0[xpos][1]
# y 값을 [0,1]로 스케일링 해 줌
# 이미지에서는 아래쪽이 y 좌표가 크고,
# 함수그래프에서는 위쪽이 y 좌표가 크므로,
# y 값을 뒤집어 주어야 함
f[xpos] = 1 - f[xpos]/numY
# 소수점 출력 설정
float_formatter = lambda x: "%.2f" % x
np.set_printoptions(formatter={'float_kind':float_formatter})
print (f)